汽车车牌的自动检测与识别
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
标准民用车牌高为 １４０ ｍｍ，宽为 ４４０ ｍｍ， 由 ７ 个字符组成，第 ２ 和第 ３ 个字符之间有一间隔 符，宽度为 １０ ｍｍ。单一字符统一宽度为 ４５ ｍｍ， 字符高度为 ９０ ｍｍ，各字符之间的间距为 １２ ｍｍ。 牌照图像的实际大小可能随着 ＣＣＤ 采集的时机不 同而产生一定的缩放，但是总体比例不会发生大 的变化。因此，得到这样一个先验知识：设第 １ 个
研究与开发
铁 路 计 算 机 应 用
第 １８ 卷第 １１ 期
高，故绿色权值最大，转换公式为： Ｇｒａｙ（ｉ，ｊ）＝０．１１Ｒ（ｉ，ｊ）＋０．９５Ｇ（ｉ，ｊ）＋０．３Ｂ（ｉ，ｊ）（ １）
本文中，以图 １ 作为原始彩色图像进行分析， 图 ２ 为灰度图像。
１．１．２ 灰度图像二值化 二值化的目的是把灰度图像变成 ０、１ 取值的
RCA ２００９．１１ 总第 １５２ 期 19
研究与开发
铁 路 计 算 机 应 用
第 １８ 卷第 １１ 期
积极作用。 下一步，将根据交管信息化工作的发展情况，
不断完善和改进指标体系和评价方法，促进公安 交通管理信息化建设进一步发展和应用水平不断 提高。
参考文献：
［１］ 王靖亚，黄 明，巩 荣． 公安信息化信息安全指标体系研 究［Ｊ］． 中国人民公安大学学报（自然科学版），２００（８ ４）：４３－４７．
RCA ２００９．１１ 总第 １５２ 期 17
面积比是指各连通区域所对应的二值图像内 非０像素的数目与连通区域总像素的比值，在二值 图上，面积比越大，为车牌的可能性越大。
长宽比是车牌的一个明显特征，虽然车牌反 映在图像中的大小不同，但我国车牌长宽比相对 固定，一般在 ３～４ 之间。
纵向投影特征是指在与车牌对应的二值图像 中，由于字符之间有间隙，这样将二值图像区域进 行 ｘ 轴方向投影时，就会形成波谷，而在字符位置 的投影则相对形成波峰。计算波谷点数与长度的 比值，若在 ０．２５～０．３５ 之间，为车牌。
数学形态学的基本运算有 ４ 个：膨胀、腐蚀、 开启和闭合。图像集合 Ａ 用结构元素 Ｂ 来膨胀，记 作 Ａ ＋ Ｂ，其定义为：
（ ２）
其中， 表示 Ｂ 的映像，即与 Ｂ 关于原点对称 的集合。式（２）表明，用 Ｂ 对 Ａ 进行膨胀的运算 过程如下：首先作 Ｂ 关于原点的映射，再将其映像 平移 ｘ，当 Ａ 与 Ｂ 映像的交集不为空时，Ｂ 的原点 就是膨胀集合的像素。也就是说，用 Ｂ 来膨胀 Ａ 得 到的集合是集合 的位移与 Ａ 至少有一个非零元 素相交时 Ｂ 的原点的位置集合。式（３）也可以表 示为：
１ 车牌定位
１．１ 图像变换及边缘检测
收稿日期：２００９－０４－１４ 作者简介：陈 虹，讲师。
１．１．１ 图像变换 我国的车牌主要有蓝底白字，黄底黑字，黑底
白字等多种颜色，受天气和光照的影响较大，用颜 色作为主要的定位手段可靠性不是很强。另外彩 色图像占据的存储空间往往比较大，在图像定位 和识别等后续工作中将会放慢系统处理的速度， 因此，要对其进行灰度转换。
第 １８ 卷第 １１ 期 Ｖｏｌ．１８ Ｎｏ．１１
铁路 计 算 机 应 用 ＲＡＩＬＷＡＹ ＣＯＭＰＵＴＥＲ ＡＰＰＬＩＣＡＴＩＯＮ
文章编号：１００５－８４５１（２００９）１１－００１７－０４
研究与开发
RESEARCH AND DEVELOPMENT
汽车车牌的自动检测与识别
陈虹
用几个因素进行综合分析来定位车牌区域， 可消除仅用某一参数进行评价所带来的误差。车 牌定位与检测结果如图 ７ 和图 ８。车牌图像见图 ９。
图７ 符合条件的区域 图８ 车牌定位图像
１．４ 倾 斜 校 正 通过对大量车牌图像进行观察，认为车牌图
像中存在 ２ 种角度倾斜：（１）由于图像采集设备本 身存在倾斜，导致同一采集设备采集到的图像有 相同的倾斜角度；（２）当车牌由于悬挂或者摄像的 原因倾斜角度过大时，导致车牌图像存在一定的 倾斜角度。需要对牌照进行倾斜校正。
图５ 闭运算后的图像 图６ 开运算后的图像
１．３ 车 牌 检 测 经过形态学处理后，车牌区域的轮廓和边缘
已经得到了加强，可得到一组车牌候选区域。下面 就需要进行正确分割，取出车牌区域，用于后续的 识别工作。
首先，根据我国汽车车牌的几个特征，如长宽 比为相对固定，在二值图像上字符呈明暗交替变 化等。本文分别采用面积比、长宽比以及纵向投影 特征几方面的组合来确定车牌区域。
彩色图像转化为灰度图像的方法有很多种， 本文采用加权平均值法。赋予 Ｒ、Ｇ、Ｂ 不同的权 值，并使 Ｒ 、Ｇ 、Ｂ 等于他们的加权平均值，即 Ｒ ＝ Ｇ ＝ Ｂ ＝ （ Ｗ ＲＲ ＋ Ｗ ＧＧ ＋ Ｗ ＢＢ ） ／ ３ ，其中，Ｗ Ｒ、Ｗ Ｇ、Ｗ Ｂ 分别是 Ｒ、Ｇ、Ｂ 的权值，由于人眼对绿色敏感度
关键词：车牌识别系统；车牌定位；字符分割；字符识别
中图分类号：Ｔ Ｐ ３ ９
文 献 标 识 码 ：Ａ
Auto location and recognition of car license plate
CHEN Hong
( Suzhou Campus, Nanjing Institute of Railway Technology , Suzhou 215137, China ) Abstract: The Car License Plate Recognition System was an important component of Intelligent Transportation System. It was proposed a new method for car license plate location by combining morphology and multiple features. Algorithms of all modules related to LPRS were deeply studied and analyzed. An improved BP neural network was used to carry out the recognition of letters and numbers in the license plate. Key words : Car License Plate Recognition System; license plate location; character segmentation; character recognition
式（４）表明，Ａ 用 Ｂ 腐蚀的结果是所有满足 将 Ｂ 平移后，Ｂ 仍旧全部包含在 Ａ 中的 ｘ 的集合。 从直观上看就是 Ｂ 经过平移后全部包含在 Ａ 中的 原点组成的集合。腐蚀在数学形态学中的作用是 消除物体边界点。腐蚀还可以把小于结构元素的 物体去除。如果 ２ 个物体之间有细小的连通，那 么当结构元素足够大时，通过腐蚀可以将 ２ 个物 体分开。
结果如图 ４。 １．２ 图像的数学形态学处理
经过前期处理，含有车牌的图像中，仍有一些 杂乱边缘，既有车牌、车牌字符的边缘，也有背景 信息的边缘和一些顽固的噪声。同时就车牌本身 的信息而言，也存在空洞、缺陷噪声和断裂噪声 等。如何从这些边缘中将无关的边缘滤除，将合理 的边缘保留下来，同时又能消除车牌自身的噪声， 是进一步处理的目的。基于形态学的图像变换是 实现这个目标的有效途径。
指标体系和方法的要求，对全国 ３１ 个省区交警部 门信息化工作进行综合评价，从评价结果来看，指 标体系和方法的可用性、可查性均能满足评价要 求，对 ３１ 个交警信息化工作的评价结果和排名情 况基本与实际情况相吻合。普遍反映，通过信息化 工作评价指标体系，明确了工作标准和要求，找到 了工作差距，明确了信息化工作的下一步努力方 向，也引起了各级领导对信息化工作的重视，评价 指标体系对促进交管信息化应用建设工作发挥了
二值图，这样的好处是，对图像进一步处理时，图 像的几何性质只与 ０ 和 １ 的位置有关，不再涉及像 素的灰度值，使处理变得简单，而且数据的压缩 量很大。
本文选择的二值化方法是Ｏｔｓｕ全局动态阈值 算法。图 ３ 为二值化图像。 １．１．３ 图像边缘检测
边缘检测（ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ）是图像分割、目 标分割的识别、区域形状提取等图像分析领域中 十分重要的基础。所谓边缘是指其周围像素灰度 值有阶跃变化或抛物线变化的那些像素点的集合。 它是灰度值不连续的结果，也是图像分割所依赖 的重要特征。边缘检测是一种突出图像边缘，削 弱边缘以外图像区域，突出图像轮廓的方法。它可 以在保留关于物体边界有用的结构信息的同时，极 大地降低处理数据量，从而简化图像的分析过程。
本文采用 Ｒａｄｏｎ 变换来检测车牌图像的角度。
２ 字符分割
车牌定位之后，识别模块的输入需要的是车 牌中每个字符的图像。因此，要将车牌图像的字符 进行字符分割。
考虑了多种字符分割方法的优缺点，本文主 要运用轮廓投影法并结合车牌字符序列的固有位 置关系来完成车牌字符的分割。
按照前面所进行的车牌定位和倾斜校正方法 得到的车牌图像中基本没有车牌的边框，几乎全 是字符区域，这样为字符的正确分割和识别提供 了保证。
使用同一个结构元素对图像先进行腐蚀运算，
18
２００９．１１ 总第 １５２ 期 RCA
第 １８ 卷第 １１ 期
汽车车牌的自动Baidu Nhomakorabea测与识别
研究与开发
然后进行膨胀运算称为开启。先进行膨胀再进行 腐蚀的运算称为闭合。
Ａ 用 Ｂ 来开启记为 Ａ ·Ｂ ，其定义如下： （ ５） 开运算可以擦除图像中的像素，从而能够去 除孤立的小点、毛刺和小桥（即连通 ２ 块区域的小 点），而保持总的位置和形状不变。 Ａ 用 Ｂ 来闭合记为 Ａ ·Ｂ ，其定义如下： （ ６） 闭运算可以使图像中的像素粘连。这一特点 可以用于填平小孔，弥合小裂缝，而保持总的位置 和形状不变。选定结构元素为 ３ × ７ 的全 １ 矩阵， 对图 ４ 进行闭运算的结果如图 ５。再对图 ５ 进行开 运算，结果如图 ６。
随着智能交通系统（Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍ，ＩＴＳ）的发展，车牌识别系统（Ｌｉｃｅｎｓｅ Ｐｌａｔｅｓ Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｙｓｔｅｍ，ＬＰＲＳ）正逐渐被应用 于电子收费、出入控制和车流控制等场合。车牌识 别包括车牌图像输入、车牌定位、字符分割和字符 识别等几个部分。
Ａ用Ｂ来腐蚀记作 ，其定义为：
（ ４）
边缘检测通常借助微分算子，边缘检测算子 检查每个像素点的邻域并对灰度变化率进行量化， 也包括方向的确定。常用的边缘检测算子有 Ｒｏ－ ｂｅｒｔｓ 算子、Ｓｏｂｅｌ算子、Ｐｒｅｗｉｔｔ算子和Ｃａｎｎｙ算 子等。本文中采用Ｓｏｂｅｌ 算子进行处理。边缘检测
（ ３）
膨胀运算在数学形态学中的作用是把图像周 围的背景合并到物体中。如果 ２ 个物体之间距离 比较远，那么膨胀运算可能会把这 ２ 个物体连通 在一起。膨胀对填补图像分割后物体中的空洞很 有用。
（南京铁道职业技术学院 苏州校区， 苏州 ２１５１３７ ）
摘 要：车牌识别系统是智能交通系统的重要组成部分。研究进行车牌识别的各项关键技术，提出基 于数学形态学与多特征组合分析相结合的快速汽车车牌定位方法。在分析近年来一些典型的车牌识别算法 的基础上，给出改进算法的 Ｂ Ｐ 神经网络。实验表明，该算法可以有效提高识别速度和准确率。
研究与开发
铁 路 计 算 机 应 用
第 １８ 卷第 １１ 期
高，故绿色权值最大，转换公式为： Ｇｒａｙ（ｉ，ｊ）＝０．１１Ｒ（ｉ，ｊ）＋０．９５Ｇ（ｉ，ｊ）＋０．３Ｂ（ｉ，ｊ）（ １）
本文中，以图 １ 作为原始彩色图像进行分析， 图 ２ 为灰度图像。
１．１．２ 灰度图像二值化 二值化的目的是把灰度图像变成 ０、１ 取值的
RCA ２００９．１１ 总第 １５２ 期 19
研究与开发
铁 路 计 算 机 应 用
第 １８ 卷第 １１ 期
积极作用。 下一步，将根据交管信息化工作的发展情况，
不断完善和改进指标体系和评价方法，促进公安 交通管理信息化建设进一步发展和应用水平不断 提高。
参考文献：
［１］ 王靖亚，黄 明，巩 荣． 公安信息化信息安全指标体系研 究［Ｊ］． 中国人民公安大学学报（自然科学版），２００（８ ４）：４３－４７．
RCA ２００９．１１ 总第 １５２ 期 17
面积比是指各连通区域所对应的二值图像内 非０像素的数目与连通区域总像素的比值，在二值 图上，面积比越大，为车牌的可能性越大。
长宽比是车牌的一个明显特征，虽然车牌反 映在图像中的大小不同，但我国车牌长宽比相对 固定，一般在 ３～４ 之间。
纵向投影特征是指在与车牌对应的二值图像 中，由于字符之间有间隙，这样将二值图像区域进 行 ｘ 轴方向投影时，就会形成波谷，而在字符位置 的投影则相对形成波峰。计算波谷点数与长度的 比值，若在 ０．２５～０．３５ 之间，为车牌。
数学形态学的基本运算有 ４ 个：膨胀、腐蚀、 开启和闭合。图像集合 Ａ 用结构元素 Ｂ 来膨胀，记 作 Ａ ＋ Ｂ，其定义为：
（ ２）
其中， 表示 Ｂ 的映像，即与 Ｂ 关于原点对称 的集合。式（２）表明，用 Ｂ 对 Ａ 进行膨胀的运算 过程如下：首先作 Ｂ 关于原点的映射，再将其映像 平移 ｘ，当 Ａ 与 Ｂ 映像的交集不为空时，Ｂ 的原点 就是膨胀集合的像素。也就是说，用 Ｂ 来膨胀 Ａ 得 到的集合是集合 的位移与 Ａ 至少有一个非零元 素相交时 Ｂ 的原点的位置集合。式（３）也可以表 示为：
１ 车牌定位
１．１ 图像变换及边缘检测
收稿日期：２００９－０４－１４ 作者简介：陈 虹，讲师。
１．１．１ 图像变换 我国的车牌主要有蓝底白字，黄底黑字，黑底
白字等多种颜色，受天气和光照的影响较大，用颜 色作为主要的定位手段可靠性不是很强。另外彩 色图像占据的存储空间往往比较大，在图像定位 和识别等后续工作中将会放慢系统处理的速度， 因此，要对其进行灰度转换。
第 １８ 卷第 １１ 期 Ｖｏｌ．１８ Ｎｏ．１１
铁路 计 算 机 应 用 ＲＡＩＬＷＡＹ ＣＯＭＰＵＴＥＲ ＡＰＰＬＩＣＡＴＩＯＮ
文章编号：１００５－８４５１（２００９）１１－００１７－０４
研究与开发
RESEARCH AND DEVELOPMENT
汽车车牌的自动检测与识别
陈虹
用几个因素进行综合分析来定位车牌区域， 可消除仅用某一参数进行评价所带来的误差。车 牌定位与检测结果如图 ７ 和图 ８。车牌图像见图 ９。
图７ 符合条件的区域 图８ 车牌定位图像
１．４ 倾 斜 校 正 通过对大量车牌图像进行观察，认为车牌图
像中存在 ２ 种角度倾斜：（１）由于图像采集设备本 身存在倾斜，导致同一采集设备采集到的图像有 相同的倾斜角度；（２）当车牌由于悬挂或者摄像的 原因倾斜角度过大时，导致车牌图像存在一定的 倾斜角度。需要对牌照进行倾斜校正。
图５ 闭运算后的图像 图６ 开运算后的图像
１．３ 车 牌 检 测 经过形态学处理后，车牌区域的轮廓和边缘
已经得到了加强，可得到一组车牌候选区域。下面 就需要进行正确分割，取出车牌区域，用于后续的 识别工作。
首先，根据我国汽车车牌的几个特征，如长宽 比为相对固定，在二值图像上字符呈明暗交替变 化等。本文分别采用面积比、长宽比以及纵向投影 特征几方面的组合来确定车牌区域。
彩色图像转化为灰度图像的方法有很多种， 本文采用加权平均值法。赋予 Ｒ、Ｇ、Ｂ 不同的权 值，并使 Ｒ 、Ｇ 、Ｂ 等于他们的加权平均值，即 Ｒ ＝ Ｇ ＝ Ｂ ＝ （ Ｗ ＲＲ ＋ Ｗ ＧＧ ＋ Ｗ ＢＢ ） ／ ３ ，其中，Ｗ Ｒ、Ｗ Ｇ、Ｗ Ｂ 分别是 Ｒ、Ｇ、Ｂ 的权值，由于人眼对绿色敏感度
关键词：车牌识别系统；车牌定位；字符分割；字符识别
中图分类号：Ｔ Ｐ ３ ９
文 献 标 识 码 ：Ａ
Auto location and recognition of car license plate
CHEN Hong
( Suzhou Campus, Nanjing Institute of Railway Technology , Suzhou 215137, China ) Abstract: The Car License Plate Recognition System was an important component of Intelligent Transportation System. It was proposed a new method for car license plate location by combining morphology and multiple features. Algorithms of all modules related to LPRS were deeply studied and analyzed. An improved BP neural network was used to carry out the recognition of letters and numbers in the license plate. Key words : Car License Plate Recognition System; license plate location; character segmentation; character recognition
式（４）表明，Ａ 用 Ｂ 腐蚀的结果是所有满足 将 Ｂ 平移后，Ｂ 仍旧全部包含在 Ａ 中的 ｘ 的集合。 从直观上看就是 Ｂ 经过平移后全部包含在 Ａ 中的 原点组成的集合。腐蚀在数学形态学中的作用是 消除物体边界点。腐蚀还可以把小于结构元素的 物体去除。如果 ２ 个物体之间有细小的连通，那 么当结构元素足够大时，通过腐蚀可以将 ２ 个物 体分开。
结果如图 ４。 １．２ 图像的数学形态学处理
经过前期处理，含有车牌的图像中，仍有一些 杂乱边缘，既有车牌、车牌字符的边缘，也有背景 信息的边缘和一些顽固的噪声。同时就车牌本身 的信息而言，也存在空洞、缺陷噪声和断裂噪声 等。如何从这些边缘中将无关的边缘滤除，将合理 的边缘保留下来，同时又能消除车牌自身的噪声， 是进一步处理的目的。基于形态学的图像变换是 实现这个目标的有效途径。
指标体系和方法的要求，对全国 ３１ 个省区交警部 门信息化工作进行综合评价，从评价结果来看，指 标体系和方法的可用性、可查性均能满足评价要 求，对 ３１ 个交警信息化工作的评价结果和排名情 况基本与实际情况相吻合。普遍反映，通过信息化 工作评价指标体系，明确了工作标准和要求，找到 了工作差距，明确了信息化工作的下一步努力方 向，也引起了各级领导对信息化工作的重视，评价 指标体系对促进交管信息化应用建设工作发挥了
二值图，这样的好处是，对图像进一步处理时，图 像的几何性质只与 ０ 和 １ 的位置有关，不再涉及像 素的灰度值，使处理变得简单，而且数据的压缩 量很大。
本文选择的二值化方法是Ｏｔｓｕ全局动态阈值 算法。图 ３ 为二值化图像。 １．１．３ 图像边缘检测
边缘检测（ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ）是图像分割、目 标分割的识别、区域形状提取等图像分析领域中 十分重要的基础。所谓边缘是指其周围像素灰度 值有阶跃变化或抛物线变化的那些像素点的集合。 它是灰度值不连续的结果，也是图像分割所依赖 的重要特征。边缘检测是一种突出图像边缘，削 弱边缘以外图像区域，突出图像轮廓的方法。它可 以在保留关于物体边界有用的结构信息的同时，极 大地降低处理数据量，从而简化图像的分析过程。
本文采用 Ｒａｄｏｎ 变换来检测车牌图像的角度。
２ 字符分割
车牌定位之后，识别模块的输入需要的是车 牌中每个字符的图像。因此，要将车牌图像的字符 进行字符分割。
考虑了多种字符分割方法的优缺点，本文主 要运用轮廓投影法并结合车牌字符序列的固有位 置关系来完成车牌字符的分割。
按照前面所进行的车牌定位和倾斜校正方法 得到的车牌图像中基本没有车牌的边框，几乎全 是字符区域，这样为字符的正确分割和识别提供 了保证。
使用同一个结构元素对图像先进行腐蚀运算，
18
２００９．１１ 总第 １５２ 期 RCA
第 １８ 卷第 １１ 期
汽车车牌的自动Baidu Nhomakorabea测与识别
研究与开发
然后进行膨胀运算称为开启。先进行膨胀再进行 腐蚀的运算称为闭合。
Ａ 用 Ｂ 来开启记为 Ａ ·Ｂ ，其定义如下： （ ５） 开运算可以擦除图像中的像素，从而能够去 除孤立的小点、毛刺和小桥（即连通 ２ 块区域的小 点），而保持总的位置和形状不变。 Ａ 用 Ｂ 来闭合记为 Ａ ·Ｂ ，其定义如下： （ ６） 闭运算可以使图像中的像素粘连。这一特点 可以用于填平小孔，弥合小裂缝，而保持总的位置 和形状不变。选定结构元素为 ３ × ７ 的全 １ 矩阵， 对图 ４ 进行闭运算的结果如图 ５。再对图 ５ 进行开 运算，结果如图 ６。
随着智能交通系统（Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍ，ＩＴＳ）的发展，车牌识别系统（Ｌｉｃｅｎｓｅ Ｐｌａｔｅｓ Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｙｓｔｅｍ，ＬＰＲＳ）正逐渐被应用 于电子收费、出入控制和车流控制等场合。车牌识 别包括车牌图像输入、车牌定位、字符分割和字符 识别等几个部分。
Ａ用Ｂ来腐蚀记作 ，其定义为：
（ ４）
边缘检测通常借助微分算子，边缘检测算子 检查每个像素点的邻域并对灰度变化率进行量化， 也包括方向的确定。常用的边缘检测算子有 Ｒｏ－ ｂｅｒｔｓ 算子、Ｓｏｂｅｌ算子、Ｐｒｅｗｉｔｔ算子和Ｃａｎｎｙ算 子等。本文中采用Ｓｏｂｅｌ 算子进行处理。边缘检测
（ ３）
膨胀运算在数学形态学中的作用是把图像周 围的背景合并到物体中。如果 ２ 个物体之间距离 比较远，那么膨胀运算可能会把这 ２ 个物体连通 在一起。膨胀对填补图像分割后物体中的空洞很 有用。
（南京铁道职业技术学院 苏州校区， 苏州 ２１５１３７ ）
摘 要：车牌识别系统是智能交通系统的重要组成部分。研究进行车牌识别的各项关键技术，提出基 于数学形态学与多特征组合分析相结合的快速汽车车牌定位方法。在分析近年来一些典型的车牌识别算法 的基础上，给出改进算法的 Ｂ Ｐ 神经网络。实验表明，该算法可以有效提高识别速度和准确率。